<![CDATA[Penelitian ini menganalisis konsistensi metode Elbow dan Silhouette Score dalam menentukan jumlah klaster optimal pada dataset multisektor menggunakan algoritma K-Means. Empat dataset dari sektor publik digunakan dalam penelitian ini, yaitu data mediasi peradilan (2006-2009), data koperasi simpan pinjam 2013, data penanganan kasus korupsi KPK (2004-2016), dan laporan keuangan PT Bank Artha Makmur 2017. Penelitian kuantitatif eksploratif ini menerapkan teknik preprocessing menggunakan StandardScaler, visualisasi data dengan PCA, dan evaluasi klasterisasi menggunakan kedua metode validasi. Hasil penelitian menunjukkan bahwa pada tiga dataset (mediasi peradilan, koperasi SP 2013, dan kasus korupsi KPK), kedua metode memberikan rekomendasi jumlah klaster yang konsisten. Namun, pada dataset laporan keuangan bank terjadi diskrepansi dimana Elbow Method merekomendasikan K=3 sedangkan Silhouette Score mengindikasikan K=2 sebagai optimal. Analisis lebih lanjut dengan pertimbangan domain knowledge mendukung pemilihan K=3 untuk dataset keuangan berdasarkan visualisasi PCA dan relevansi bisnis. Penelitian ini menyimpulkan bahwa kombinasi kedua metode validasi dengan pertimbangan konteks domain dapat meningkatkan akurasi penentuan klaster optimal, terutama pada data dengan kompleksitas tinggi. Temuan ini memberikan kontribusi pada pengembangan metodologi klasterisasi yang lebih robust untuk aplikasi di sektor publik.]]>
Copyrights © 2025
